剖宫产子宫瘢痕异位妊娠(CSEP)是剖宫产术后妊娠的一种潜在致命的并发症，可能导致孕妇大出血或死亡。手术中的出血量直接影响手术的成功率。 近年来，基于电子病历(EMR)数据构建的机器学习(ML)预测模型研究日益增多。本研究团队开发的最佳预测模型已被集成到一个网络应用程序中，使临床医生无需掌握R语言或编程技能即可预测CSEP患者的术中风险。 2024年12月，中国学者在医学顶级期刊Lancet子刊《eClinicalMedicine》（医学一区top，IF=9.6）发表了一篇题为：“Risk of intraoperative hemorrhage during cesarean scar ectopic pregnancy surgery: development and validation of an interpretable machine learning prediction model”的研究论文。 在该项研究中，研究团队使用四种方法确定模型的预测因子，并使用八种机器学习法构建预测模型。不同于我们之前介绍的SHAP法，本研究使用"iBreakDown"包对模型进行可视化。
【欢迎阅读浙中大郑老师撰写的统计科普文】 在机器学习中，为了确保所构建的预测模型既有效又稳定，研究者不会将所有的数据一股脑儿地用于训练模型，这是因为，仅凭训练集上的表现无法全面评估模型的性能。 于是，研究者将数据集划分为训练集和验证集，以进行内部验证。
决策曲线在临床预测模型分析中并不是必需的，我们也可以看到，在一些模型构建的文章中并没有临床决策曲线。
“不同类型的预测模型，是不是要用不同的方法评估模型性能?这个问题，相信很多预测模型初学者都问过。不同类型的数据该用什么分析方法，对于模型性能的评价指标又有什么差别，今天陈老师就来给大家讲一讲。
前瞻性的观察性研究，内部验证和外部验证集，数据按照病历来自不同的医院划分好，还是按照时间划分更好？
有学员问了一个非常专业的问题，"老师，我看很多预测模型的文章都用了交叉验证。如果用10折交叉验证的话，是否还需要划分训练集和验证集？
Zstats交流群
联系助教
请输入助教告诉您的积分券
如果不填写积分券，将直接使用当前余额支付
请稍候，正在为您生成支付订单
请使用扫描二维码完成支付
二维码获取失败
支付二维码获取失败，请点击重新获取
请稍候，正在为您完成支付
正在使用积分券兑换，然后完成支付 正在使用当前余额完成支付
您的订单已支付完成，页面将在 秒后自动关闭
支付过程中出现错误，请重新选择支付方式
